月商250万・社員3人がAI経営OS(CFO/COO/CMO)を自作した話

Posted at 2026-10-03

月商250万、3人体制で経営が詰まった日

社員3人、月商250万円。数字だけ見れば「小さくて身軽な会社」に見えるかもしれません。でも実態は逆でした。見積もり、請求書、freeeの仕訳確認、SNS運用の進捗チェック、案件の営業パイプライン管理――経営の意思決定に必要な情報が、Slack・スプレッドシート・会計ソフト・GA4にバラバラに散らばっていて、「今月の実際のキャッシュフローはいくつか」を答えるのに毎回30分かかっていました。

3人しかいないので、CFOもCOOもCMOも実質「代表である自分」が兼任しています。これは多くの小規模事業者・フリーランスに共通する構造だと思います。専任の経営幹部を雇う余力はないが、経営判断に必要な情報整理の負荷は大企業と変わらない。むしろ人数が少ない分、1人あたりの情報処理負荷は重くなります。

そこで2026年に入ってから、Claude Codeをベースに「CFO/COO/CMO/CEOのAIエージェント」を実際に構築し、日常の経営OSとして使い始めました。この記事では、その構築プロセス、実際につまずいたポイント、そして今のリアルな効果を、できるだけ誇張なく共有します。

なぜ「AI経営OS」という発想に至ったか

きっかけは単純で、「ChatGPTに毎回状況を説明してから質問する」のが非効率すぎたことです。財務の話をするたびに売上構成を説明し、マーケの話をするたびにGA4の数字を手打ちでコピペする。これではAIを使っているというより、AIに情報を食べさせる作業をしているだけでした。

発想を変えて、「役割ごとに専用のエージェントを作り、そのエージェントが自分で必要なデータソース(freee API、GA4、Google Search Console、Slackログなど)にアクセスしに行く」仕組みにしました。つまり、人間が情報を集めてAIに渡すのではなく、AIエージェントが情報を取りに行って、人間は意思決定だけをする構造です。

構築した仕組み:CFO/COO/CMO/CEOの役割分担

Claude Codeのスキル機能(カスタムコマンド)を使い、4つの役割エージェントを定義しました。

エージェント	主な役割	接続先データ
CFO	PL生成、仕訳確認、未決済管理、キャッシュフロー予測	freee API
COO	タスク進捗、クライアント管理、営業パイプライン	Googleスプレッドシート、Slack
CMO	SNS/広告/検索流入の統合ダッシュボード	GA4、Google Ads、GSC
CEO	上記3つの報告を統合し、意思決定支援	CFO/COO/CMOの出力

それぞれ独立したスキルとして実装し、/cfo、/coo、/cmo、/ceoのようなスラッシュコマンドで呼び出せるようにしています。CEOエージェントは自分でデータを取りに行かず、他の3エージェントの報告を集約するだけに役割を絞っています。これが地味に重要で、1つのエージェントに全部やらせようとすると、プロンプトが肥大化して途中で破綻します。

実際のディレクトリ構成(簡略化)

.claude/
  skills/
    cfo/SKILL.md
    coo/SKILL.md
    cmo/SKILL.md
    ceo/SKILL.md

各SKILL.mdには、役割の説明・使っていいツール・出力フォーマットを明記します。例えばCFOエージェントのSKILL.mdの冒頭はこんな感じです。

---
name: cfo
description: freee連携で財務データ取得・PL生成・仕訳計上・未決済管理・キャッシュフロー予測を実行
---

あなたはCFOとして、以下のタスクを担当する。
1. freee APIから当月の仕訳を取得しPLを生成する
2. 未決済の請求書・支払いを一覧化する
3. 架空の数値は絶対に使わない。データが取れない場合は「データなし」と明記する

3番目のルールは後述するハルシネーション事故の反省から追加したものです。

つまずいたポイント:実際に起きた5つの事故

1. 従量課金APIでの想定外請求

Anthropic APIを直接叩く実験的なスクリプトを一時的に動かしていたところ、想定より遥かに大きいリクエスト量になり、数十万円規模の請求が来ました。原因はリトライ処理のループバグで、失敗するたびに同じ長いコンテキストを再送信していたことです。この経験から、本番で使うLLM呼び出しはClaude CLI経由に統一し、生のAPIを直接叩く新規実装は原則禁止にしました。

2. SNS自動投稿でshadow ban

CMOエージェントにSNS投稿の自動化を任せていた際、短時間に連投してしまい、該当アカウントがシャドウバン状態になったことがあります。原因は「下書き生成」と「投稿実行」を同じフローに入れてしまい、人間のレビューを挟まずに公開してしまったことでした。現在は、生成は自動・公開は必ず人間承認という2段階に分離し、同一アカウントへの投稿間隔も最低15分空けるルールを徹底しています。

3. 無人実行中の認証切れで全滅

cronで夜間バッチを回していたところ、Claude CLIの認証トークンが切れて、その日の全エージェントの実行が静かに失敗していました。ログを見るまで誰も気づかず、1日分の処理が丸ごと消えていたことになります。今は認証状態を監視する常駐プロセスをPM2で立てて、認証切れを最優先の監視対象にしています。

4. 権限設計の甘さで誤操作リスク

当初はエージェントに「ファイル書き込み・外部送信・投稿」をまとめて許可していました。意図しないタイミングでメッセージを送ってしまうリスクに気づいてからは、破壊的な操作・外部に見える操作は必ず確認を挟む設計に変更しました。経営データを扱うエージェントほど、権限は絞るべきだと痛感しています。

5. AIが「それっぽい数字」を出す問題

CFOエージェントに「今期の成長率は?」と聞いたとき、実データがないのに一般的な数字を生成してしまったことがありました。これはAI活用では非常によくある事故パターンです。対策として、各エージェントのプロンプトに「データソースが確認できない数値は絶対に生成しない、必ず『データなし』と答える」というルールを明記し、出力の末尾に参照したデータソース名を必ず添えさせるようにしました。

ちょうど最近Zennで話題になっていた「AI開発時代だからこそ、テストの役割を見つめ直す」という記事の問題意識と近い話で、AIが生成するアウトプットを人間系のテスト・検証プロセスなしに信用するのは危険です。経営データのように間違えると実損に直結する領域では、出力の裏取りを仕組み化することが最低条件だと考えています。

実際に変わったこと

誇張せずに言うと、劇的な売上増加があったわけではありません。変わったのは「経営判断にかかる時間」と「判断の抜け漏れ」です。

月次の財務状況を把握するのに30分かかっていたのが、/cfoコマンド1回で数分で現状把握できるようになった
複数のタスク管理ツールを見比べる必要がなくなり、COOエージェントが遅延タスクを自動で可視化してくれる
マーケ施策の効果測定を手作業で集計する時間がなくなった

一方で、AIエージェントの報告が専門用語の羅列になって逆に読みにくい、という問題にも直面しました。これはZennで話題の「yomiyasu」のような、AI生成文章を構造レベルで読みやすくするアプローチと同じ課題意識で、今は出力フォーマットに「結論→根拠→次のアクション」の型を強制することで対処しています。

セキュリティ面で気をつけていること

Qiitaで直近セキュリティ関連の記事が多くストックを集めていますが、無人で動くAIエージェントを運用する上で特に気をつけているのは以下の点です。

認証情報やAPIキーをエージェントのプロンプトやログに平文で残さない
外部送信・投稿系の操作は必ず人間承認を挟む(前述のshadow ban事故の反省)
単発のDB接続は専用のCLIツール経由にし、接続先を誤るリスクを減らす
デプロイは未コミットの変更が混ざっていないクリーンな状態からのみ行う

経営OSは会社の財務・顧客データに直結するため、便利さと安全性のバランスを常に見直す必要があります。

このノウハウはフリーランスのキャリア戦略にも応用できる

ここからは少し話題を変えて、SES業界で働くエンジニアやフリーランスを目指す方向けの話です。

私たちがAI経営OSで解決しようとしたのは「少人数で、専門外の業務(財務・マーケ)をどう回すか」という課題でした。これは実はSESエンジニアがフリーランスに転向するときに直面する課題とほぼ同じです。SES企業に所属していれば営業も経理も会社がやってくれますが、フリーランスになった瞬間、自分がCEOでありCFOでありCMOにならざるを得ません。

フリーランス案件の探し方で言えば、案件を探す・単価交渉する・契約書を確認する・請求書を発行する、という一連の業務をAIで仕組み化できれば、エンジニアリングに割ける時間はむしろ増えます。実際、私たちのCOOエージェントの仕組みは、案件の進捗管理やクライアントとのやり取りの整理にそのまま転用できる設計です。

転職するかフリーランスになるか迷っているエンジニアにとってのキャリアガイド的な視点で言うと、判断基準は「自分がCFO/COO/CMO業務をどこまで代替できるか」だと思います。会社員やSES所属であれば会社がそれを肩代わりしてくれますが、フリーランスはそれを自分かツールで賄う必要があります。AIエージェントの仕組みを早めに作っておくことは、独立後の立ち上がりを大きく左右します。

保存版:AI経営OS導入前チェックリスト

後から見返せるように、実際につまずいた経験から作ったチェックリストをまとめておきます。ブックマークしておくと、導入時に役立つはずです。

#	チェック項目	確認する理由
1	本番で使うLLM呼び出しはCLI経由に統一しているか	従量課金APIの想定外請求を防ぐ
2	SNS/外部送信系は生成と公開を分離しているか	shadow ban・誤爆投稿を防ぐ
3	同一アカウントへの連続操作に間隔ルールがあるか	プラットフォーム側の規制回避
4	無人実行の認証状態を監視するプロセスがあるか	静かな全滅事故を防ぐ
5	破壊的操作・外部公開操作に人間承認を挟んでいるか	誤操作による実害を防ぐ
6	数値出力に「データソース必須」のルールがあるか	ハルシネーション数値を防ぐ
7	エージェントの役割を1つずつに分割しているか	プロンプト肥大化・破綻を防ぐ
8	デプロイは未コミット変更のないクリーンな状態から行っているか	意図しない変更の混入を防ぐ

まとめ

AI経営OSは魔法の杖ではありません。実際には、API事故・shadow ban・認証切れ・ハルシネーションと、地味な事故を1つずつ潰していく地道な作業の積み重ねでした。それでも、3人という少人数体制で経営の情報処理負荷を人力だけで抱え続けるのは限界があり、役割分担されたAIエージェントに支えてもらう設計は、今のところ確実に経営の意思決定スピードを上げてくれています。

SESで働くエンジニアも、フリーランスとして独立する際も、転職してキャリアチェンジする際も、「自分の業務をどう仕組み化するか」という視点はこれからますます重要になると感じています。

AI駆動塾 — AIを使ったスモビジの作り方を学ぶ

Claude Code、OpenClaw、AI経営OSの実践ノウハウを毎週公開中。
月額¥4,980で過去記事すべて読み放題。

noteメンバーシップに参加する →

💼 フリーランスエンジニアの案件をお探しですか？

SES解体新書フリーランスDBでは、高単価案件を多数掲載中です。

✅ マージン率公開で透明な取引
✅ AI/クラウド/Web系の厳選案件
✅ 専任コーディネーターが単価交渉をサポート

▶ 無料でエンジニア登録する

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up